Выберите подмножество мультикласса модели ECOC, состоявшие из бинарного ClassificationLinear
ученики
возвращает подмножество обученных моделей выходных кодов с коррекцией ошибок (ECOC), состоявших из SubMdl
= selectModels(Mdl
,idx
)ClassificationLinear
бинарные модели от набора мультикласса модели ECOC (Mdl
) обученные использующие различные сильные места регуляризации. Индексы (idx
) соответствуйте сильным местам регуляризации в Mdl.BinaryLearners{1}.Lambda
и задайте который модели возвратиться.
SubMdl
возвращен как CompactClassificationECOC
объект модели.
Один способ создать несколько прогнозирующих моделей ECOC, состоявших из бинарных линейных моделей классификации:
Создайте линейный шаблон модели классификации с помощью templateLinear
и задайте сетку сильных мест регуляризации с помощью '
Lambda
'
аргумент пары "имя-значение".
Протяните фрагмент данных для тестирования.
Обучите модель ECOC с помощью fitcecoc
. Задайте шаблон с помощью '
Learners
'
аргумент пары "имя-значение" и снабжает обучающими данными. fitcecoc
возвращает один CompactClassificationECOC
объект модели, содержащий ClassificationLinear
бинарные ученики, но все бинарные ученики содержат модель для каждой силы регуляризации.
Чтобы определить качество каждой упорядоченной модели, передайте возвращенный объект модели и протянутые данные к, например, loss
.
Идентифицируйте индексы (idx
) из удовлетворительного подмножества упорядоченных моделей, и затем передают возвращенную модель и индексы к selectModels
. Функциональный selectModels
возвращает один CompactClassificationECOC
объект модели, но это содержит numel(idx)
упорядоченные модели.
Чтобы предсказать метки класса для новых данных, передайте данные и подмножество упорядоченных моделей к predict
.
ClassificationLinear
| CompactClassificationECOC
| fitcecoc
| loss
| predict
| templateLinear